Python 多线程必然会减少运行时间吗？

如果我有一系列CPU密集型操作，多线程程序是否必然会减少其运行时间？这样做的代价是什么？在这个例子中，我试图计算一个非常大的矩阵的零空间。我使用的是Python，特别是numpy包：

def nullspace(A, eps=1e-15):
    """Computes the null space of the real matrix A."""
    n, m = shape(A)
    if n > m :
        return nullspace(transpose(A), eps)
    _, s, vh = linalg.svd(A)
    s = append(s, zeros(m))[0:m]
    null_mask = (s <= eps)
    null_space = compress(null_mask, vh, axis=0)
    return null_space.tolist()

def空区（A，eps=1e-15）：
“”“计算实矩阵A的零空间。”
n、 m=形状（A）
如果n>m：
返回零空间（转置（A），eps）
_，s，vh=linalg.svd（A）
s=附加（s，零（m））[0:m]
null_mask=（sNo）。首先，由于全局解释器锁，CPU绑定程序很少从Python线程中受益

此外，在单核机器上，线程化根本不会减少运行时间。
Python具有全局解释器锁（GIL），它一次只允许一个线程与解释器交互——实际上，这意味着一次只能运行一个Python线程。这在尝试运行多个线程时是一个严重的缺点

然而，
numpy
是建立在一个高度优化的数字线性代数库LAPACK之上的。如果您为您的系统安装了正确版本的LAPACK，它将为您并行计算。然后您可以在LAPACK之上安装
numpy
，Python计算将并行勒利兹

这也意味着许多
numpy
操作都会释放GIL，因此您可以在Python线程中启动长
numpy
计算，同时执行其他Python。感谢@JFSebastian。
通常GIL是获得多线程好处的障碍，除非您正在进行计算我不确定这是否与
numpy
有关

如果你运行的线程不多，你应该看看模块。你将有一个单独的系统进程而不是python线程。
你看到了吗？@Katrielex没有，谢谢你的链接。是的，尽管问题是线程是否“必要”减少运行时间；它可能会，也可能会保持不变或增加。您应该明确指出，
numpy
可以释放GIL，因此
numpy
可以使用多个CPU。GIL只防止不同线程同时接触Python对象。它不会阻止它们同时执行。因此计算时间较长从Python调用的C/Fortran中大型矩阵上的s可以并行运行。BLAS也很重要，特别是因为LAPACK通常构建在BLAS之上。